Yousra Fettach, Tijl De Bie · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28092 · open-access PDF
Penulisan persuasif mengeksploitasi bias kognitif, merekrut pendekatan mental pembaca untuk membentuk keyakinan, sering tanpa pembaca memperhatikan. Kami menyebut fitur linguistik yang mengeksploitasi pendekatan mental tersebut sebagai pemicu bias kognitif. Sebagai model bahasa besar (LLM) semakin memediasi bagaimana orang bertemu dengan berita, meringkasnya, peringkatnya, dan menjawab pertanyaan di atasnya, pertanyaan alami adalah apakah mereka dapat mengenali fitur-fitur teks yang bias pembaca manusia. Kami memperkenalkan BAIT (Bias Annotation In Text), sebuah sumber daya untuk mendeteksi pemicu bias kognitif dalam berita.
Machine translation (Meta M2M100); the English original follows.
Persuasive writing exploits cognitive biases, recruiting a reader's mental shortcuts to shape belief, often without the reader noticing. We call the linguistic features exploiting such mental shortcuts cognitive bias triggers. As large language models (LLMs) increasingly mediate how people encounter news, summarizing it, ranking it, and answering questions over it, a natural question is whether they can recognize the features of a text that bias a human reader. We introduce BAIT (Bias Annotation In Text), a resource for detecting cognitive bias triggers in news. BAIT pairs a schema of nine tri
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28092, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange